La media que miente más que un político en campaña
¿Por qué el salario medio de tu empresa no dice lo que crees? Una lección de estadística que duele en la nómina.
Blog
Análisis de datos, sin atajos
Tutoriales prácticos, reflexiones técnicas y novedades de la editorial. Pensado para quien enseña, aprende o trabaja con conocimiento técnico aplicado.
Suscríbete por RSS-
-
.loc vs .iloc en Pandas: el tropiezo nº1 al pasar de NumPy a Pandas
Aprenderás la diferencia entre .loc y .iloc en Pandas: por qué mezclarlos lanza KeyError, cuándo usar uno u otro y la trampa que aparece tras un filtro.
-
groupby con .agg() y .transform() en Pandas: cuándo usar cada uno
Aprende cuándo usar .agg() y .transform() en Pandas con el Titanic: la diferencia entre resumir por grupo y mantener una fila por pasajero.
-
De Jupyter a Streamlit en 30 minutos: publica tu modelo sin tocar HTML
Tu modelo está en un Jupyter que solo tú abres. En 30 minutos lo conviertes en una web que cualquiera puede filtrar desde el navegador.
-
CSV español en Pandas: separador, decimal y encoding
Descargas datos del INE y Pandas te devuelve una columna ilegible. Te cuento cómo arreglar el separador, el decimal y el encoding de un CSV español.
-
r = 0,95 y el queso que mataba: por qué tu correlación es mentira
El queso correlaciona con las muertes en sábanas con r = 0,95. El cálculo no miente. La historia que cuentas sobre él, a veces sí.
-
El modelo tenía un 99% de accuracy: la frase que ha costado millones
«El modelo tenía un 99% de accuracy» suena a triunfo. Es un diagnóstico. La métrica que elegiste define qué errores estás dispuesto a asumir.
-
Por qué escribí un libro de datos para FP (y no otro manual de Python)
Por qué escribí un libro de datos para FP —ratio 40/60, datasets reales y la diferencia entre enseñar a un universitario y a quien aprende un oficio.
-
análisis_final_v2_bueno_ESTE_SI.ipynb: el caos que todos creamos
Por qué todos acabamos con ficheros así, qué te cuesta de verdad ese caos y cómo una estructura mínima —carpetas, naming y Git— lo evita.